一种桶形畸变图像自适应矫正方法及相关设备技术

本发明专利技术提供了一种桶形畸变图像自适应矫正方法及相关设备，包括：获取待矫正的畸变图像；构建桶形畸变矫正网络；将畸变图像输入桶形畸变矫正网络进行自适应矫正，生成矫正图像；桶形畸变矫正网络包括依次连接的对畸变图像进行特征提取和特征压缩的编码器和基于畸变系数张量生成像素流，并通过像素流对畸变图像进行重采样处理，生成矫正图像的解码器；具有操作简单、网络结构轻量化、矫正准确、可以灵活迁移使用场景，具备良好鲁棒性的特点，能够广泛应用于红外热成像摄像机上，以矫正广角镜头拍摄导致的桶形畸变，提高湿法冶金电解过程中电解槽极板短路/开路故障检测的准确率，为智能优化控制提供精准感知基础。智能优化控制提供精准感知基础。智能优化控制提供精准感知基础。

【技术实现步骤摘要】
一种桶形畸变图像自适应矫正方法及相关设备


[0001]本专利技术涉及图像畸变矫正
，特别涉及一种桶形畸变图像自适应矫正方法及相关设备。

技术介绍

[0002]目前，由于广角镜头具备成像角度大、范围宽的有点，因此在湿法冶金电解过程中，被广泛应用于红外热成像摄像机上来检测电解槽极板短路/开路故障。然而广角镜头的物理结构决定了其视场边缘的放大率比中心部分低，形成了桶形畸变。桶形畸变的存在造成了图像的失真，降低了目标检测和语义识别的准确率，因此需要矫正这些具有桶形畸变的红外图像，减少对成像的影响。然而，现有的红外图像桶形畸变矫正方法使用条件严苛，依赖于模板标定和特定纹理检测，在复杂多变的工业环境下难以实现自适应矫正。因此，如何解决现有红外图像桶形畸变矫正方法受限于使用场景，鲁棒性和灵活性差，难以实现自适应矫正的问题，是提升湿法冶金电解过程中电解槽极板短路/开路故障检测的准确率，为电解车间的智能优化控制提供精准感知基础的关键技术难点之一。
[0003]图像畸变矫正的方法主要分为两大类，分别是基于光学的方法和基于数字图像处理的方法。光学方法矫本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种桶形畸变图像自适应矫正方法，其特征在于，包括：步骤1，获取待矫正的畸变图像；步骤2，构建桶形畸变矫正网络；步骤3，将所述畸变图像输入所述桶形畸变矫正网络进行自适应矫正，生成矫正图像；所述桶形畸变矫正网络包括依次连接的编码器和解码器；所述编码器对所述畸变图像进行特征提取和特征压缩，得到畸变系数张量，并将所述畸变系数张量输出给所述解码器，所述解码器基于畸变系数张量生成像素流，并通过所述像素流对所述畸变图像进行重采样处理，生成矫正图像。2.根据权利要求1所述的桶形畸变图像自适应矫正方法，其特征在于，在所述步骤3之前还包括：对待矫正的畸变图像进行预处理；将预处理后的畸变图像输入所述桶形畸变矫正网络进行自适应矫正，生成矫正图像。3.根据权利要求2所述的桶形畸变图像自适应矫正方法，其特征在于，所述编码器包括：第一特征提取层、第二特征提取层、第三特征提取层、第四特征提取层、第一特征压缩层、第二特征压缩层、第三特征压缩层、第四特征压缩层、自适应池化层、CBAM注意力层、第一全连接层和第二全连接层；所述第一特征提取层的输出端与所述自适应池化层的输入端连接，所述自适应池化层的输出端与所述第一特征压缩层的输入端连接，所述第一特征压缩层的输出端与所述CBAM注意力层的输入端连接，所述CBAM注意力层的输出端与所述第二特征提取层的输入端连接，所述第二特征提取层的输出端分别与所述CBAM注意力层的输出端、所述第二特征压缩层的输入端连接，所述第二特征压缩层的输出端与所述第三特征提取层的输入端连接，所述第三特征提取层的输出端分别与所述第二特征压缩层的输出端、所述第三特征压缩层的输入端连接，所述第三特征压缩层的输出端与所述第四特征提取层的输入端连接，所述第四特征提取层的输出端分别与所述第三特征压缩层的输出端、所述第四特征压缩层的输入端连接，所述第四特征压缩层的输出端与所述第一全连接层的输入端连接，所述第一全连接层的输出端与所述第二全连接层的输入端连接，所述第二全连接层的输出端与所述解码器的输入端连接。4.根据权利要求3所述的桶形畸变图像自适应矫正方法，其特征在于，所述解码器包括：像素流生成器和重采样模块；所述像素流生成器的输入端与所述第二全连接层的输出端连接，所述像素流生成器的输出端与所述重采样模块的输入端连接。5.根据权利要求4所述的桶形畸变图像自适应矫正方法，其特征在于，将所述预处理后的畸变图像输入所述第一特征提取层后，经所述自适应池化层、所述第一特征压缩层、所述CBAM注意力层、所述第二特征提取层、所述第二特征压缩层、所述第三特征提取层、所述第三特征压缩层、所述第四特征提取层、所述第四特征压缩层、所述第一全连接层和所述第二全连接层进行特征提取和特征压缩，得到畸变系数张量；将所述畸变系数张量输入所述像素流生成器生成像素流，对所述像素流输入所述重采
样模块进行重采样处理，得到矫正图像。6.根据所述权利要求5所述的桶形畸变图像自适应矫正方法，其特征在于，所述第一特征提取层、所述第二特征提取层、所述第三特征提取层和所述第四特征提取层均包括：第一二维卷积结构、第二二维卷积结构、第三二维卷积结构、第四二维卷积结构、第五二维卷积结构、第六二维卷积结构、第七二维卷积结构、第八二维卷积结构、第九二维卷积结构和第一拼接层；所述第一二维卷积结构的输出端与所述第五二维卷积结构的输入端连接，所述第五二维卷积结构的输出端与所述第八二维卷积结构的输入端，所述第八二维卷积结构的输出端与所述第一拼接层的输入端连接；所述第二二维卷积结构的输出端与所述第六二维卷积结构的输入端连接，所述第六二维卷积结构的输出端与所述第九二维卷积结构的输入端连接，所述第九二维卷积结构的输出端与所述第一拼接层的输入端连接；所述第三二维卷积结构的输出端与所述第七二维卷积结构的输入端连接，所述第七二维卷积结构的输出端与所述第一拼接层的输入端连接；所述第四二维卷积结构的输出端与所述第一拼接层的输入端连接；所述第二特征提取层的所述第一二维卷积结构的输入端、所述第二二维卷积结构的输入端、所述第三二维卷积结构的输入端、所述第四二维卷积结构的输入端均与所述CBAM注意力层的输出端连接，所述第二特征提取层的所述第一拼接层的输出...

【专利技术属性】
技术研发人员：周灿，周灿宗，刘天豪，朱红求，李勇刚，刘卫平，
申请(专利权)人：中南大学，
类型：发明
国别省市：